Apache Pig中文手册

Pig Latin的 SUBTRACT() 函数用于两个包相减，它需要两个包作为输入，并返回包含第一个包中不在第二个包中的元组的包。

语法

下面给出了 SUBTRACT() 函数的语法。

grunt> SUBTRACT(expression, expression)

例

假设在HDFS目录 /pig_data/ 中有两个文件，即 emp_sales.txt 和 emp_bonus.txt ，如下所示。 emp_sales.txt 包含销售部门员工的详细信息， emp_bonus.txt 包含获得奖金的员工详细信息。

emp_sales.txt

1,Robin,22,25000,sales 
2,BOB,23,30000,sales 
3,Maya,23,25000,sales 
4,Sara,25,40000,sales 
5,David,23,45000,sales 
6,Maggy,22,35000,sales

emp_bonus.txt

1,Robin,22,25000,sales 
2,Jaya,23,20000,admin 
3,Maya,23,25000,sales 
4,Alia,25,50000,admin 
5,David,23,45000,sales 
6,Omar,30,30000,admin

分别使用关系 emp_sales 和 emp_bonus ，将这些文件加载到Pig中，如下所示。

grunt> emp_sales = LOAD 'hdfs://localhost:9000/pig_data/emp_sales.txt' USING PigStorage(',')
   as (sno:int, name:chararray, age:int, salary:int, dept:chararray);
	
grunt> emp_bonus = LOAD 'hdfs://localhost:9000/pig_data/emp_bonus.txt' USING PigStorage(',')
   as (sno:int, name:chararray, age:int, salary:int, dept:chararray);	

现在，让我们使用COGROUP运算符将关系 emp_sales 和 emp_bonus 的记录/元组与键 sno 分组，如下所示。

grunt> cogroup_data = COGROUP emp_sales by sno, emp_bonus by sno;

使用 DUMP 运算符验证关系 cogroup_data ，如下所示。

grunt> Dump cogroup_data; 

(1,{(1,Robin,22,25000,sales)},{(1,Robin,22,25000,sales)}) 
(2,{(2,BOB,23,30000,sales)},{(2,Jaya,23,30000,admin)}) 
(3,{(3,Maya,23,25000,sales)},{(3,Maya,23,25000,sales)}) 
(4,{(4,Sara,25,40000,sales)},{(4,Alia,25,50000,admin)}) 
(5,{(5,David,23,45000,sales)},{(5,David,23,45000,sales)}) 
(6,{(6,Maggy,22,35000,sales)},{(6,Omar,30,30000,admin)})

从一个关系中减去另一个关系

现在让我们从 emp_sales 关系中减去 emp_bonus 关系的元组。生成的关系保存 emp_sales 中不在 emp_bonus 中的元组。

grunt> sub_data = FOREACH cogroup_data GENERATE SUBTRACT(emp_sales, emp_bonus);

验证

使用DUMP运算符验证关系 sub_data ，如下所示。 emp_sales 关系保存了 emp_bonus 关系中不存在的元组。

grunt> Dump sub_data;
   
({})
({(2,BOB,23,30000,sales)})
({})
({(4,Sara,25,40000,sales)})
({})
({(6,Maggy,22,35000,sales)})

以同样的方式，让我们从 emp_bonus 关系中减去 emp_sales 关系，如下所示。

grunt> sub_data = FOREACH cogroup_data GENERATE SUBTRACT(emp_bonus, emp_sales);

使用Dump运算符验证 sub_data 关系的内容，如下所示。

grunt> Dump sub_data;

({}) 
({(2,Jaya,23,20000,admin)})
({})
({(4,Alia,25,50000,admin)})
({})
({(6,Omar,30,30000,admin)})